Ein multimodales Schlaf‑Foundation‑Modell zur Vorhersage von Krankheiten

Warum eine Nacht Schlaf Ihre zukünftige Gesundheit verraten kann

Wenn Sie in einer Klinik verkabelt schlafen und Monitore angeschlossen sind, erfassen die geschwungenen Linien auf dem Bildschirm weit mehr als Schnarchen oder unruhige Beine. Diese Studie zeigt, dass eine Nacht mit detailleter Schlafaufzeichnung wie eine Kristallkugel für die zukünftige Gesundheit wirken kann. Indem Forscher ein leistungsfähiges künstliches Intelligenzsystem mit Hunderttausenden von Stunden Schlafdaten trainierten, fanden sie heraus, dass unser Schlaf verborgene Hinweise auf das Risiko für Demenz, Herzkrankheiten, Nierenprobleme, Krebs und sogar vorzeitigen Tod enthält — Jahre bevor diese Erkrankungen auftreten.

Dem Körper während des Schlafs zuhören

In Schlaflaboren wird ein Test namens Polysomnographie eingesetzt, bei dem Sensoren auf Kopf, Gesicht, Brust und Beinen Hirnströme, Augenbewegungen, Herzschlag, Atmung und Muskelaktivität über Nacht aufzeichnen. Diese Tests gelten als Goldstandard zur Erfassung von Schlaf, erzeugen jedoch enorme, komplexe Datenströme, die für menschliche Expertinnen und Experten schwer vollständig zu interpretieren sind. Die bisherige Forschung fokussierte meist auf ein einziges Problem — etwa Schlafapnoe oder Narkolepsie — und beruhte oft auf mühsamer manueller Auswertung. Dadurch blieb die tiefere Geschichte, die in der Gesamtheit der Signale steckt, weitgehend ungenutzt.

Eine KI darin schulen, die Sprache des Schlafs zu verstehen

Die Autorinnen und Autoren bauten ein „Foundation‑Modell“ namens SleepFM, das Ideen aus großen Sprachmodellen nutzt, die aus riesigen Textmengen lernen. Statt Wörter und Sätze lernt SleepFM aus rohen Schlafsignalen. Es wurde mit mehr als 585.000 Stunden Übernachtaufzeichnungen von über 65.000 Personen trainiert, die an mehreren Schlafzentren und in Bevölkerungsstudien gesammelt wurden. Das Modell verarbeitet kurze fünfsekündige Ausschnitte von Gehirn‑, Herz‑, Atmungs‑ und Muskelaktivität und kombiniert sie mittels auf Aufmerksamkeit basierender neuronaler Netze, die mit unterschiedlichen Sensoraufbauten in verschiedenen Krankenhäusern zurechtkommen. Im Training bringt es sich selbst bei, Informationen über diese Signaltypen hinweg auszurichten und eine gemeinsame interne Repräsentation davon zu lernen, wie gesunder und ungesunder Schlaf aussieht — ohne menschliche Labels.

Von einer Nacht zu vielen möglichen Diagnosen

Einmal trainiert, wurden SleepFMs interne „Schlaf‑Fingerabdrücke“ mit elektronischen Gesundheitsakten verknüpft, um zu prüfen, ob sie spätere Krankheiten vorhersagen können. Die Forschenden untersuchten mehr als 1.000 Erkrankungen und fragten für jede Patientin bzw. jeden Patienten, ob eine einzelne Übernachtstudie vorhersagen konnte, wer Jahre später eine Krankheit entwickeln würde. SleepFM sagte 130 verschiedene Diagnosen mit hoher Zuverlässigkeit korrekt voraus, darunter Gesamtmortalität, Demenz, Herzinsuffizienz, Schlaganfall, chronische Nierenerkrankung und mehrere Krebsarten. Bei einigen Erkrankungen, etwa Parkinson, Demenz und schweren Herzproblemen, erreichte oder übertraf seine Leistung spezialisierte Werkzeuge auf Basis von Hirnscans oder Herzaufzeichnungen.

Wie Schlafsignale mit Gehirn, Herz und mehr zusammenhängen

Durch die Analyse, welche Nachtabschnitte und welche Sensoren am wichtigsten waren, fanden die Forschenden Muster, die biologisch plausibel sind. Hirn‑ und Augenbewegungssignale waren besonders hilfreich zur Vorhersage neurologischer und psychischer Erkrankungen, was die Beobachtung widerspiegelt, dass Veränderungen im Tiefschlaf und REM‑Schlaf häufig Alzheimer und Parkinson vorausgehen. Atmungs‑ und Sauerstoffsignale lieferten mehr Informationen für Atemwegs‑ und Stoffwechselerkrankungen, während Herzrhythmusspuren bei Kreislauferkrankungen wie Herzinsuffizienz und Schlaganfall stärker ins Gewicht fielen. Obwohl jeder Signaltyp einen Beitrag leistete, ergaben sich die besten Vorhersagen aus ihrer Kombination, was darauf hindeutet, dass viele Krankheiten subtile Spuren im gesamten schlafenden Körper hinterlassen.

Robuste Ergebnisse über Kliniken und Zeiträume hinweg

Um zu prüfen, ob SleepFM außerhalb seiner Herkunftsinstitutionen funktioniert, wandten die Forschenden es auf eine unabhängige Studie mit über 6.000 älteren Erwachsenen an, die von der anfänglichen Trainingsmenge zurückgehalten worden war. Mit nur leichter zusätzlicher Anpassung sagte das Modell weiterhin wichtige Endpunkte wie Schlaganfall, kardiovaskulären Tod und kongestive Herzinsuffizienz mit hoher Genauigkeit voraus. Es hielt auch bei jüngeren Patientinnen und Patienten, deren Schlafaufnahmen Jahre nach den ursprünglichen Trainingsdaten entstanden, eine gute Leistung aufrecht, was darauf hindeutet, dass die gelernten Schlafmuster stabil genug sind, um reale Veränderungen in Praxis und Populationen zu verkraften.

Was das für die alltägliche Versorgung bedeuten könnte

Für Nicht‑Spezialisten lautet die Schlussfolgerung, dass Schlaf nicht nur ein Symptom von Krankheit ist — er ist ein reichhaltiges, messbares Fenster in die langfristige Gesundheit des Körpers. SleepFM zeigt, dass eine einzige Übernachtstudie helfen kann, Personen zu identifizieren, die ein erhöhtes Risiko für schwere Erkrankungen haben, lange bevor Symptome auftreten, und dass es Modelle übertrifft, die nur auf Alter, Geschlecht, Gewicht und anderen Basismerkmalen basieren. Obwohl weitere Arbeit nötig ist, um die Generalisierbarkeit über Schlafklinik‑Patienten hinaus zu prüfen und Vorhersagen im Einzelfall zu erklären, deutet dieser Ansatz auf eine Zukunft hin, in der intelligente Schlaferfassung — möglicherweise sogar durch Geräte zu Hause — zu einem routinemäßigen, nichtinvasiven Instrument für Früherkennung und fortlaufende Gesundheitsüberwachung werden könnte.

Zitation: Thapa, R., Kjaer, M.R., He, B. et al. A multimodal sleep foundation model for disease prediction. Nat Med 32, 752–762 (2026). https://doi.org/10.1038/s41591-025-04133-4

Schlüsselwörter: Schlaf und Krankheitsrisiko, Polysomnographie, Foundation‑Modelle in der Medizin, Vorhersage von Demenz und Herzkrankheiten, Gesundheitsüberwachung während des Schlafs